人工智能在医学领域应用介绍模板.PPT

/lingzong/ * 人工智能在肿瘤癌症诊断应用项目介绍 关键词：人工智能，恶性肿瘤诊断，医学影像分析，辅助诊断系统 公司简介 总部 阶段 定位 目标 美国加州硅谷 专注于人工智能恶性肿瘤 医学影像分析及辅助诊断产品系统的开发平台。其开发的AI产品可以显著提高对癌症的识别率及诊断精度，降低误诊率及漏诊率 产品试用期 成为人工智能对恶性肿瘤医学影像辅助诊断细分市场中的领导企业 * 医学影像诊断的现状及问题 不精确，误判率高。主要是基于医学专家多年学习和累积经验。目前中国临床医疗总误诊率为27.8%，恶性肿瘤平均误诊率40% 缺口大，目前中国医学影像数据的年增长率约为30%，而专科医师数量的年增长率仅为4%，专科医师工作严重超负荷 因其具有高强度（集中脑力分析）、高风险（判断误差）、高流量（海量数据）之特性，专科医师处理影像数据的压力越来越大，尤其是超负荷工作，将导致更多的误诊或误判 与其他专家印证（验证）的代价（费用） 高，周期长 医学图像质量参差不齐（非标准化） * 海量医学影像及痛点 右边的实时报表还只是CT及MRI影像数据量的1/10之一而已。每天就诊的患者平均在200-300人之间，也就是说每天的数据就在20万张以上；年数据量在数千万张以上。 海量数据（南方医院:日实时影像数据） 21个病人的数据量是23787张 南方医院：乳腺基本上都做断层（DBT），每一个摄影体位约重建60-70层，平均每天40-50人次，每天影像数据量在1万张左右；年数据量在数200万张以上 * 人工智能解决方案 One 基于人工智能、大数据分析的精准医疗云平台；研究表明传统人工智能对X光片的分类可达到专家的精度 Two 深度学习Deep Learning（DL）是新兴的人工智能最好的算法；对病变进行辨识、分类、及判断 Three 基于图像内容在数据库检索，发现类似图像及其结果以提供佐证 Four 其结论与医生经验性目测的判定结果相互印证，可大幅提高医生对疾病的诊断精度，最大限度的减少临床误诊或误差 Five 人工智能是解决医学影像所面临准确度和缺口大等问题的最佳手段 * DL近来在图像分类分析上取得了突破性的进展；而我们应用的DL对X光分类可超过专家的准确度 Six 中国前10大恶性肿瘤排名图表 * 有关前10大恶性肿瘤的几组数据 全国肿瘤登记中心发布的《2012中国肿瘤登记年报》披露，全国每年新发肿瘤病例估计约为312万例，平均每天8550人，全国每分钟有6人被诊断为恶性肿瘤。 我国居民一生罹患癌症的概率为22%。 全国肿瘤死亡率为180.54/10万，每年因癌症死亡病例270万例。 全国癌症死亡几率是13%，即每7至8人中会有1人因癌症死亡。 其中肺癌、胃癌、食道癌、肝癌、乳腺癌、宫颈癌最为多见，约占全部恶性肿瘤的70%-80%。 * 为什么首选做AI乳腺癌诊断产品 中国乳腺癌死亡率每年超７万，是中国女性最常见的癌症。 年龄标化率（ASR）为每10万人21.6例。城市是农村地区的2倍 中国是乳腺癌发病率增长最快的国家之一，正以每年3%速度递增 中国主要城市10年来乳腺癌发病率增长了37%，死亡率增长了38.9%，农村死亡率增长了39.7%。相关资料显示，西方妇女乳腺癌的发病人数高峰期为50～55岁，但中国女性的乳腺癌发病年龄，要比西方女性小10岁左右。 美国统计资料表明,乳腺癌占整个癌症发病率的15.3%,仅次于前列腺癌,位居第2,死亡率为7.3%。 * 皮肤Melanoma （黑色素瘤）简介 黑色素瘤一般指恶性黑色素瘤（malignant melanoma，MM）是皮肤恶性黑色素瘤的一种，与皮肤鳞状细胞癌及皮肤基底细胞癌共同组成最常见的皮肤三大恶性肿瘤。黑色素瘤多由黑色素细胞所形成的痣或黑色素斑发生恶变而来。黑色素瘤已成为近年来所有恶性肿瘤中发病率增长最快的恶性肿瘤，年增长率3%-5%。尤其是，恶性黑色素瘤一旦进入快速生长期，则患者预后极差、病死率较高。 在美国癌症中高发率排名第六位。每10万人的发病率为21.8 。 美国2016年恶性黑色素瘤的新发病例数目为76380人，死亡人数为10130人。 * 早期乳腺癌：可通过Mammography（乳房X线照相术）中的钙化点发现 研究证明两个专家看同一张X光可以大大提高准确率 但专家费用高，预约时间长 * DL用于乳腺癌早期诊断 CT或MRI图像是诊断脑瘤的常用方法 我们可以用DL对脑图像分类 可以探测一张图像是否有肿瘤 * DL用于脑瘤诊断 小贴士(tip)：AI在3D图像识别上优于人类。受肉眼所限，人类只能看到图像外面的一层， 内部被挡住了。要看到内部， 就需要一层一层的断层扫描观看。很不直观。受过训练的电脑就不受这个限制。所有的数据都可以看到。因此AI发展到2D图